AI已能「踢足球」，可AI机器人为何还不行？
今年11月，世界杯又要开赛了。
临近那个时候，无论输赢，不论表现优劣，总会有大批人开始谈论球赛。
没办法，谁叫足球是世界第一大运动呢。
然而，与世界杯相比，科研人员对年度机器人杯3D模拟联盟更为关注。
最近，英国某人工智能企业的一个研究小组，借助一种快速版体育训练项目，借助电脑模仿数十载足球竞技场面，让机器掌握了精准操控虚拟足球员的技能。
相关研究发表在《科学·机器人》杂志上。
论文地址：
显然，这已经不是第一次「AI足球运动员」进入大众视野了。
AI足球运动员的进化简史
早在二零一六年，战胜了李世石之后没过多久，就着手研究让人工智能踢球了。
六月时，科研人员操作人工智能，驱动一个形似蚂蚁的装置，去捕捉小球，随后带着球前进，最终将其送入球门完成得分。
据小组主管David透露，运用当时谷歌新推出的异步Actor-算法A3C，人工智能不仅顺利完成了该任务，而且整个运作期间无需他教授任何力学方面的内容。
这项实验，让「AI踢足球」迎来了开门红。
2019年时，已研发出大量不同方案，这些方案依据各自计划生成，从中挑选出10支双人足球队伍。
这十个组合各自具备两千五百分之一百亿级别的训练积累，共计累积了一百万场彼此间的竞技数据。
接下来配置条件，让众多人工智能相互进行足球比赛，并且事先制定了章程，对整个「足球队」给予回馈，而不是单独奖励某个「AI球员」的突出表现，以此促进团队整体的提升。
用这种方式证明了，AI是可以互相合作的。
看起来一切顺利，然而到了2020年，的AI球员出问题了。
依据脑极体披露的内容，有场赛事中，某个队伍的足球机器人整齐列队，朝着球门进行进攻，然而负责把守球门的机器人却毫无防备，直接瘫倒在地，并且开始毫无章法地抖动双腿。
你以为这就完了？too naive！
随后，担任前锋的机器人球员做出了一段非常费解的动作，上下跳动，左右摆臂，突然扑倒在地。
这一幕让观众极为震惊：见过放水的，没见过这么放水的！
为何会这样呢？
这还要从背后的原理说起。
「AI踢足球」的开始，研究人员就采用了强化学习这条道路。
早先的练习，是借助标注完毕的资料来完成的，采用的是监督训练的方式。
这种方式对数据的质量标准十分严苛，一旦数据存在瑕疵，AI系统就会产生偏差。
相比之下，强化学习借鉴了人类的认知方式，AI依靠不断尝试来掌握知识，成功时获得奖励，失败时遭受惩罚，借此形成正确的反应模式。
看起来比传统的监督学习智能了不少，但还是有漏洞。
比如，AI会对奖惩措施产生错误的理解，因而生成奇怪的策略。
曾经设计了一个赛艇游戏，AI原本的任务是完成比赛。
研究者设定了两种激励措施，一个是赢得竞赛，一个是累积环境中的积分。最终智能体发现某个区域，在此地反复绕圈获取分数，最终虽然没有赢得比赛，但累积的积分反而更多。
这次，AI踢出了什么新花样
虽然AI踢足球出现过翻车现场，但研究人员没有放弃。
该文起始部分指出，相关科研集体在培育虚拟足球队员方面获得了新的进展。
根据文献记载，该研究团队虽然简化了游戏规则，并且将双方球员数量控制为2到3名，但「人工智能足球选手」仍能执行运球过人、肢体碰撞、准确射门的操作。
那研究人员是怎么训练「AI足球运动员」的呢？
简单来说，是将监督学习与强化学习结合起来。
AI首先观看人类踢足球的视频片段，接着掌握正常行走的方式，由于AI最初不清楚要在球场上执行何种任务。
第二步，AI在强化学习的算法下，练习运球和射门。
这两步，AI大约能在24小时内完成。
第三步，采用竞技方式开展训练，让AI机器人进行两对两的对抗，这个阶段大约需要两到三周时间，目的是帮助AI掌握团队配合，并学会预判传球等复杂运动操控。
这次「AI 足球运动员」的表现还是让研究团队觉得比较满意。
团队觉得，这项探索促进了人造体系朝向人类体态运作能力的发展。
不过，团队还是比较清醒，他们知道，这次突破还是有局限性的。
例如，即便对抗形式是两对两，而非现实足球比赛通行的十一对十一，这仍然无法证明人工智能能够参与更为复杂的足球竞赛。
此外，即便是简单的2v2比赛，也没法直接用在机器人硬件上。
换句话说，科学家们还不能研制出可以踢足球的机器人。
参考资料：